GLARE新方法让AI预测会议走向，人类评估胜率高达0.66！
GLARE: Generative Learning via Adversarial Reward Estimation For Social Dynamics Forecasting
📖 AI 总结
该研究针对多方会议中长程动态预测的难题，提出了会议动态预测基准MDFB，该基准由2207场真实会议和24794条面向未来的查询构建而成。任务要求模型在给定对话前缀和当前问题的条件下，一次性生成合理的多轮对话延续，并从效用性（向问题推进的程度）和拟人性（对话流畅度与角色一致性）两个维度进行评估，而不要求精确复现真实未来。为此，作者提出GLARE方法，将对抗式模仿学习引入条件语言生成：判别器将真实延续排在当前策略采样之上，其评分经KL正则化后作为策略奖励，并通过在当前策略生成的负样本上重新训练，使奖励景观随策略演化。实验显示，GLARE在效用性和拟人性上的人工评估胜率分别达到0.66和0.70，优于SFT和SPIN，但仍低于真实人类延续。该工作同时表明MDFB可作为社会推理评测平台，用于比较包括闭源系统在内的通用模型。
🔑 关键词速览
| MDFB | 会议动态预测基准，由真实会议记录和未来导向查询构成，用于评估模型生成多轮会议续写的能力。 |
| GLARE | 一种生成学习方法，通过对抗性奖励估计将对抗模仿学习应用于条件语言生成，以提升会议续写的效用和拟人性。 |
| 对抗性模仿学习 | 一种模仿学习框架，通过判别器区分专家演示和生成样本，并利用其反馈来训练生成策略。 |
| KL正则化策略奖励 | 在强化学习中，对策略更新施加KL散度约束的奖励信号，以防止策略偏离参考策略过远。 |
| 社会推理竞技场 | 指MDFB作为评估平台，通过参考辅助判断来比较不同通用模型（包括闭源系统）在会议行为上的社会推理能力。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅